1.下载cudaCUDAToolkitArchive|NVIDIADeveloperPreviousreleasesoftheCUDAToolkit,GPUComputingSDK,documentationanddeveloperdriverscanbefoundusingthelinksbelow.Pleaseselectthereleaseyouwantfromthelistbelow,andbesuretocheckwww.nvidia.com/driversformorerecentproductiondriversappropriateforyourhardwareconfigur
一、OpenCV我这里是下载的OpenCV4.5.4，但是不知道到在vs里面build时一直报错，后面换了4.7.0的版本测试，安装成功。ReleaseOpenCV4.5.4·opencv/opencv·GitHub这个里面有官方预编译好的OpenCV库，可以直接食用。扩展包：https://github.com/opencv/opencv_contrib/releases/tag/4.5.4二、cmake这里cmake版本要求应该不是很高，20以上的版本的都行。Indexof/files/v3.22三、Cudacuda版本比这里的版本低应该就行了。具体的的操作可以参考下面的一篇博文。 htt
在我们运行SD的时候，我们经常会爆CUDAOutofmemory。我们应该怎么办呢？这是因为我们的显存或者内存不够了。如果你是用cpu来跑图的则表示内存不够，这个时候就需要换个大点的内存了。如果你是用gpu来跑图的就说明你显存不够用咯，这时候咋办呢？下面我将一一述说解决办法。请用心看完，别随便看看就不看了，否则你会丢失一个重大的宝藏。1.显存不够之换显卡篇如果你显存不够用了，别慌！换显卡吧！最好换成4090。兄弟，值！建议你直接换4090，保证你嘎嘎爽。2.使用--mdevram或--lowvram降低显存消耗我们可以在配置文件中添加--mdevram或--lowvram引数配置文件：Wind
在使用nvcc-V和nvidia-smi查看cuda版本时不一致：nvcc-V版本是10.1nvidia-smi的版本是12.2上面如果能显示版本，所以是已经有驱动，首先要删除之前的驱动：1、执行以下命令，删除旧版本的驱动sudoapt-getpurgenvidia*此时执行nvidia-smi，会提示Command'nvidia-smi'notfound，按照提示安装即可：sudoaptinstallnvidia-utils-535-server安装成功后，再次执行nvidia-smi，成功，显示cuda版本为12.22、下载对应版本的cudaCUDAToolkit12.2Downloads
1、查看python版本1）键盘windows+R键，弹出如下：2、 2）点击确定，弹出如下： 3）输入python，便可输出python版本2、查看cuda版本1）打开pycharm编辑器2）输入：importtorchprint(torch.version.cuda)3）运行后输出： 3、查看pytorch版本1）打开pycharm编辑器2）输入：importtorchprint(torch.__version__)3）运行后输出： 4、查看tensorflow版本1）打开pycharm编辑器2）输入：importtensorflowastfprint(tf.__version__)
目录1问题背景2问题探索2.1CUDA固有显存2.2显存激活与失活2.3释放GPU显存3问题总结4告别Bug1问题背景研究过深度学习的同学，一定对类似下面这个CUDA显存溢出错误不陌生RuntimeError:CUDAoutofmemory.Triedtoallocate916.00MiB(GPU0;6.00GiBtotalcapacity;4.47GiBalreadyallocated;186.44MiBfree;4.47GiBreservedintotalbyPyTorch)本文探究CUDA的内存管理机制，并总结该问题的解决办法2问题探索2.1CUDA固有显存在实验开始前，先清空环境，终端
CUDA环境搭建[windows10]一、检查显卡支持的cuda版本二、安装vs2019三、安装cuda四、检测cuda是否安装成功五、配置vs项目总结：一、检查显卡支持的cuda版本（1）第一种方法：win+R打开cmd，输入nvidia-smi，我的显卡是nvidiageforcegt1030，支持的cuda版本是11.4。+-----------------------------------------------------------------------------+|NVIDIA-SMI471.41DriverVersion:471.41CUDAVersion:11.4||-
项目场景：显卡：QuadroK5200由于最近给十年前的老机器装pytorch遇到了很多问题最主要的是cuda的算力只能下载一定版本的CUDA驱动一定版本的CUDA又只能下载一定版本的pytorch在低版本的pytorch又必须是一定版本的python 提示：计算机的算力是固定的，由显卡决定。但是CUDA的版本是可以更改的，当CUDA版本过高，即使下载对应CUDA版本的Python与pytorc
一、Cuda下载安装1.查看对应版本win+r打开cmd命令行输入命令【nvidia-smi】如下图查看版本： 2.cuda下载点击cuda下载链接选择下载的版本不能高于自己的显卡驱动版本（例如：我这里是12.1，所以不能下载高于12.1的版本，这里我选择的是11.8。点进去后选择信息开始下载） 3.cuda安装双击下载的cuda文件，开始安装（位置默认就好不用更改）然后点击【同意并继续】这里选择【自定义】 取消驱动组件，其余按图片上勾选即可！ 点击【下一步】 等待安装即可！ 安装完成！ 4.cuda验证是否安装完成win+r打开cmd输入【nvcc-V】查看，如下图表示安装成功！
背景：在C#项目实践中，对与图像处理采用opencv优选的方案有两种，EMGU.CV和OpenCVSharp。以下是两个的比较：Opencv方案许可证速度支持易用性OpenCVSharp许可证是阿帕奇2.0可以随意用快CPU上手简单EMGU.CV许可证商用时需要随软件开放源代码相对慢CPU、GPU需要学习默认OpenCVSharp不支持GPU，主因是OpenCV需要根据不同的Cuda版本进行编译，第一耗时长、第二版本多，因此编译不起。目的：介绍在C#中使用OpenCVSharpGPU的编译过程，解决工程化CPU的性能瓶颈、及机器学习算法结合的时候性能提升问题。一、准备GPU电脑准备，需要安装适
